Mark Hughes, Co-Fondateur et PDG de Solidroad – Série d’entretiens

Mark Hughes, Co-Fondateur et PDG de Solidroad, est un entrepreneur répétitif et un leader de lancement sur le marché qui a construit sa carrière à l’intersection des ventes, de l’expérience client et de la technologie. Il a précédemment fondé Gradguide, une plateforme de carrière et de recrutement qui a levé 2 millions d’euros et a été acquise par la suite, et a occupé des postes commerciaux seniors chez Chargify, où il a dirigé les opérations EMEA après sa fusion avec Maxio. Plus tôt dans sa carrière, il a développé une expertise approfondie dans les ventes à haute vélocité et les ventes d’entreprise chez Intercom, en gérant des cycles de négociation complexes et en aidant à faire croître les équipes de revenus. Aujourd’hui, il dirige Solidroad depuis San Francisco, en appliquant cette expérience pour repenser la façon dont les entreprises évaluent et améliorent les interactions avec les clients à l’aide de l’IA, en se concentrant sur l’amélioration du niveau de qualité à la fois pour les systèmes de support humain et automatisé.

Solidroad est une plateforme d’assurance qualité et de formation alimentée par l’IA, conçue pour les équipes d’expérience client modernes, construite pour analyser et améliorer chaque interaction client à grande échelle. La plateforme ingère des conversations à travers les canaux, évalue les performances par rapport aux normes de l’entreprise et génère des simulations de formation personnalisées pour optimiser en continu à la fois les agents humains et les systèmes d’IA. Plutôt que de remplacer les équipes de support client, Solidroad se concentre sur leur amélioration, en transformant chaque interaction en une boucle de rétroaction qui améliore les résultats tels que la qualité de la réponse, l’efficacité et la satisfaction client. L’entreprise se positionne comme une infrastructure pour les équipes de CX de haute performance, aidant les organisations à offrir des expériences cohérentes et de haute qualité sans augmenter les coûts opérationnels.

La plupart des entreprises s’appuient encore sur l’examen d’un petit échantillon d’interactions client pour évaluer les performances. Qu’est-ce qui vous a convaincu que cette approche est fondamentalement défectueuse, et comment cette prise de conscience a conduit à la création de l’approche de Solidroad pour surveiller, noter et améliorer en continu à la fois les agents humains et les agents d’IA?

Patrick et moi avions passé des années auprès d’équipes de support client avant de lancer Solidroad, et un problème persistait : les entreprises avaient des centaines de milliers de conversations avec les clients, mais si vous leur demandiez comment ces conversations se déroulaient, ils ne savaient vraiment pas. Et ce qu’ils savaient était basé sur un si petit échantillon des interactions qu’il n’était pas exact.

C’était déjà un fondement fragile lorsque les humains géraient chaque ticket. Maintenant, avec l’IA qui entre en scène, les enjeux ont changé. Un mauvais modèle pourrait se reproduire dans des milliers de conversations simultanément et passer inaperçu car la plupart des équipes ne passent en revue que 1-2 % des interactions.

Nous avons vu cela se produire chez des entreprises à plusieurs reprises et elles perdaient des clients à cause de cela, nous avons donc décidé de créer une solution. Nous avons reconnu que c’était en fin de compte un problème d’infrastructure. Les entreprises ne disposaient simplement pas des systèmes nécessaires pour vraiment comprendre les performances de leurs agents de support client.

Solidroad a été construit pour remédier à cet angle mort. Nous donnons aux entreprises les outils pour voir ce qui se passe vraiment à grande échelle et pour garantir que chaque conversation – humaine, d’IA ou les deux – apporte de la valeur.

Solidroad a été décrit comme un « simulateur de vol » pour les équipes axées sur le client. Pouvez-vous nous expliquer comment votre IA simule réellement les interactions client, et ce qui rend ces simulations efficaces pour la formation à grande échelle?

L’analogie du simulateur de vol fonctionne car l’idée de base est la même. Vous ne voulez pas que la première expérience de quelqu’un en matière de gestion d’une situation difficile se produise face à un client réel.

Ce qui rend nos simulations efficaces, c’est qu’elles sont ancrées dans ce qui se passe réellement dans les conversations de l’entreprise. Lorsqu’un agent se trompe dans une interaction en direct, le système génère une simulation ciblée autour de ce type de scénario afin qu’il puisse le pratiquer avant qu’il ne se reproduise. Ce n’est pas un contenu de formation générique.

La boucle de rétroaction est ce qui alimente l’apprentissage. Les agents passent par un scénario, reçoivent des conseils spécifiques sur ce qui a fonctionné et ce qui n’a pas fonctionné, et essaient à nouveau. Les erreurs se produisent dans un environnement sécurisé, et l’apprentissage persiste car il est lié à des situations réelles plutôt qu’à des exercices de classe abstraits.

Votre plateforme ne forme pas seulement les agents, mais elle note également les interactions en direct par rapport à des lignes directrices personnalisées. Comment concevez-vous ces systèmes de notation pour refléter les résultats commerciaux réels tels que la satisfaction client, la fidélité ou les revenus?

Pour créer ces lignes directrices, nous commençons toujours par ce que l’entreprise spécifique se soucie réellement. Une entreprise de services financiers qui gère des litiges de facturation a des normes de qualité différentes de celles d’une marque de commerce électronique qui gère des retours pendant la saison des pointes. La notation est donc construite autour des propres lignes directrices de chaque organisation, de leurs politiques, de leur voix de marque et de ce à quoi ressemble une résolution réussie pour eux.

Et les résultats commerciaux tels que l’amélioration des scores de satisfaction client et la fidélité proviennent d’interactions client de haute qualité. Plutôt que de suivre les scores de manière rétroactive, nous nous concentrons sur les comportements qui prédissent ces résultats : des performances cohérentes entre les agents, le suivi des bonnes procédures et les compétences sociales qui façonnent la façon dont les clients se sentent à la fin d’une conversation.

L’objectif est de donner aux dirigeants une image claire et pratique de ce qui fonctionne pour leur entreprise, afin qu’ils puissent coacher leurs équipes, reproduire le succès et le faire grandir au sein de leur organisation.

De nombreuses entreprises ne passent en revue qu’un petit pourcentage de conversations client. Comment Solidroad permet-elle une analyse à couverture complète, et quels types d’informations deviennent possibles lorsque l’on passe d’un échantillonnage à l’analyse de tout?

Notre récent État de la CX a montré que environ 81 % des conversations de support ne sont jamais examinées pour la qualité, laissant les équipes examiner une fraction si petite des conversations qu’elles sont essentiellement échantillonnées et espèrent qu’elles sont représentatives. Lorsqu’une entreprise commence à évaluer chaque conversation client, des modèles qui ne seraient jamais apparus dans un échantillon aléatoire deviennent évidents. Les équipes commencent à voir quels types de demandes sont constamment gérées de manière médiocre, où les agents humains et d’IA divergent de manière inattendue et quels problèmes récurrents se posent avant même qu’ils n’apparaissent dans une plainte client.

Solidroad utilise l’IA pour examiner automatiquement chaque conversation client à travers le chat, le courrier électronique et la voix, rendant possible l’analyse à couverture complète. Ce passage de l’échantillonnage à l’examen à 100 % est ce qui révèle des modèles cohérents en termes de qualité, de friction client et de performance qui seraient autrement cachés.

Crypto.com est un excellent exemple de ce que la couverture complète débloque réellement. Avant Solidroad, leur équipe n’avait pas de moyen fiable pour mesurer la qualité de l’agent à grande échelle ou pour vérifier que les agents étaient prêts avant de gérer les tickets en direct. Les problèmes ne surgissaient qu’après avoir déjà affecté les clients. En passant à la notation automatisée sur 800 000 conversations mensuelles, ils pouvaient détecter les problèmes de qualité tôt, valider les agents avant leur déploiement et confirmer que les améliorations étaient réellement efficaces. Les résultats étaient une réduction de 18 % du temps de traitement moyen et une augmentation de 3 % de la satisfaction client (ce qui est significatif à l’échelle à laquelle ils opèrent). À mesure que leur volume de conversations continue de croître, leur visibilité de la qualité augmente avec lui plutôt que de reculer encore.

C’est vraiment ce que la couverture complète change. Elle fait passer la qualité de quelque chose de réactif à quelque chose de proactif qui peut être géré à l’avance.

Vous travaillez avec des entreprises comme Crypto.com et Ryanair, où l’expérience client est essentielle. Quels modèles ou faiblesses communes avez-vous identifiés au sein des équipes de support à grande échelle?

Quelques choses se produisent systématiquement. La première est l’écart entre ce que les entreprises pensent se passer dans leurs conversations client et ce qui se passe réellement. La plupart des équipes sont convaincues de la qualité de leur support jusqu’à ce qu’elles obtiennent une visibilité complète, puis elles réalisent que l’image est plus complexe que leurs métriques initiales ne l’indiquaient.

Il y a également une déconnexion constante entre la façon dont les équipes mesurent les performances et ce qui réellement conduit aux résultats client. Les métriques de rapidité et les comptes de tickets sont faciles à suivre, ils ont donc tendance à dominer les évaluations. Mais ces chiffres ne disent pas aux entreprises si le problème du client a été résolu, si l’agent a représenté la marque avec précision ou si l’interaction a laissé le client avec un sentiment positif à l’égard de l’entreprise. Dans des environnements à hauts enjeux comme la fintech ou les soins de santé, cette déconnexion entre la mesure et le résultat peut avoir des conséquences graves.

Il y a une crainte croissante que l’IA dans le service client puisse dégrader l’expérience humaine. Comment vous assurez-vous que votre système améliore la qualité plutôt que de pousser les équipes vers des interactions trop scriptées ou robotiques?

C’est une préoccupation valable, mais qui vient généralement de systèmes de QA (Assurance Qualité) qui utilisent l’IA pour les mauvaises choses. Si une entreprise note les agents uniquement sur leur adhésion à un script ou sur la rapidité avec laquelle ils ferment un ticket, ils finiront par avoir des interactions qui remplissent les cases mais qui semblent vides ou impersonnelles pour le client.

Notre approche est de construire la notation autour de ce qui fait réellement qu’un client quitte une interaction se sentant soutenu. Nous regardons des choses comme si l’agent a écouté activement, a montré de l’empathie lorsqu’il le fallait et a réellement aidé le client à résoudre son problème.

La même chose s’applique aux agents d’IA. L’objectif est d’utiliser l’IA pour rendre les interactions client plus cohérentes, plus précises et plus réactives à ce que le client vit réellement. Lorsque la supervision de la qualité est construite autour de ces résultats plutôt que de la seule conformité au processus, elle tend à pousser les interactions dans une meilleure direction, et non dans une direction plus scriptée.

Solidroad se situe à l’intersection des agents humains et des agents d’IA. Comment voyez-vous l’évolution de la relation entre les deux, en particulier à mesure que l’IA commence à gérer davantage d’interactions de première ligne?

Il est important de considérer les agents humains et les agents d’IA comme une équipe, en partageant la répartition du travail. Je pense que l’avenir pour les agents humains et les agents d’IA est hybride.

L’IA gère très bien les demandes à haute volumétrie et directes, et les meilleurs agents d’IA résolvent même la plupart de ces conversations seuls, ce qui est vraiment impressionnant.

Mais le résultat est que les interactions qui atteignent les agents humains sont de plus en plus complexes, chargées d’émotion et à hauts enjeux. Le client qui est frustré, la situation qui ne correspond pas à un modèle standard, la conversation qui nécessite un véritable jugement. Donc la barre pour les agents humains est en réalité en train de monter, et non de baisser.

C’est exactement pourquoi la supervision à la fois des humains et de l’IA devient si importante. L’IA doit gérer son volume de manière cohérente et précise. Les humains doivent être bien préparés pour les conversations les plus difficiles qu’ils gèrent maintenant principalement. Et il doit y avoir une couche indépendante qui s’étend sur les deux, donnant aux entreprises une image claire de ce qui fonctionne et de ce qui ne fonctionne pas. C’est le modèle hybride que nous pensons définir la CX à l’avenir, et c’est vers cela que nous nous dirigeons.

Votre système fournit une rétroaction et un coaching en temps réel. Quelle est l’importance de l’immédiateté dans l’amélioration des performances des agents, et comment cela se compare-t-il aux flux de travail de formation et de QA traditionnels?

L’immédiateté est vraiment importante, et la recherche le soutient : la rétroaction est la plus efficace lorsqu’elle est liée à la situation spécifique qui l’a générée. Les flux de travail de QA traditionnels rompent ce lien presque par conception. Un manager examine une conversation des jours ou des semaines après qu’elle s’est produite, partage des commentaires lors d’une revue périodique, et à ce moment-là, l’agent a eu des dizaines d’autres interactions où cette erreur a probablement été répétée. Sans fournir de rétroaction en temps réel, les erreurs persistent et les agents doivent abandonner les pratiques auxquelles ils sont habitués.

Ce que nous avons constaté, c’est que la rétroaction est la plus efficace lorsqu’elle apparaît immédiatement après une conversation réelle. Elle fonctionne le mieux lorsqu’elle est liée directement à ce que l’agent vient de gérer et est associée à une simulation spécifique qu’il peut exécuter immédiatement. Dans ce format, cela se traduit par un changement de comportement réel beaucoup plus rapide. Les agents n’entendent pas seulement qu’ils doivent s’améliorer, ils pratiquent l’amélioration dans le contexte, tandis que c’est encore frais.

Le contraste avec la formation traditionnelle est l’exemple le plus clair de cela. Nos données montrent qu’une grande partie des agents humains disent que la partie la plus difficile de la formation est d’appliquer ce qu’ils ont appris en formation à des situations client réelles. Cette discordance existe parce que l’apprentissage en classe et le support en direct ressemblent à rien. La rétroaction continue et situationnelle résout cela d’une manière que les revues périodiques ne pouvaient jamais vraiment faire.

Vous avez montré des améliorations telles que la réduction du temps de formation et l’augmentation de la satisfaction client. Quelle est la métrique que les clients se soucient le plus lors de l’adoption de votre plateforme, et comment démontrez-vous le ROI tôt dans la relation?

Cela varie en fonction de l’endroit où se trouvent les points de douleur du client, mais les deux choses qui apparaissent le plus régulièrement sont la couverture de l’assurance qualité et les économies de temps. Les équipes qui examinent manuellement une petite fraction des conversations voient immédiatement la valeur de passer à une couverture à 100 %, à la fois pour les informations que Solidroad met en surface et pour les heures qu’il rend aux équipes de QA. Chez nos clients, nous voyons généralement une augmentation de 20 fois de la couverture de l’assurance qualité et une réduction de 90 % du temps de revue manuel.

En termes de ROI, nous essayons de relier les résultats aux métriques qui ont déjà de l’importance pour cette entreprise. Chez Podium, le titre était le temps de formation. De nouveaux agents atteignant les repères de performance en 60 jours au lieu de 90, et résolvant les problèmes 33 % plus rapidement une fois qu’ils étaient en direct. Avec Crypto.com, c’était le temps de résolution et la visibilité du volume de conversations. Pour Ryanair, cela s’est traduit par des heures d’embauche économisées.

Les détails diffèrent, mais le modèle est le même : lorsqu’une entreprise peut réellement voir ce qui se passe dans ses interactions client et agir rapidement, les améliorations suivent dans les métriques qui comptent.

En regardant vers l’avenir, voyez-vous Solidroad rester concentré sur la formation et l’assurance qualité, ou évoluer en une couche d’orchestration plus large pour gérer à la fois les interactions client humaines et d’IA?

La formation et l’assurance qualité sont là où nous avons commencé, mais la vision est plus large que cela. Nous pensons que la supervision de la qualité va devenir une infrastructure clé pour toute entreprise qui exécute l’IA dans le service client. De la même manière que les certifications de sécurité sont devenues incontournables lorsque les entreprises ont déplacé leurs données vers le cloud, la certification de la qualité deviendra essentielle à mesure que les conversations client passeront à l’IA.

L’étoile du nord est que « Solidroad Certified » porte un sens réel : la preuve qu’une entreprise répond à une barre élevée pour la façon dont elle traite les clients, indépendamment de savoir si l’interaction a été gérée par une personne ou une IA.

Ce que cela signifie pratiquement, c’est que nous voulons être le système sur lequel les organisations s’appuient pour gérer et améliorer la qualité des interactions client à l’échelle, et non seulement pour signaler les problèmes à posteriori. C’est une grande partie de la raison pour laquelle nous avons levé notre série A de 25 millions de dollars menée par Hedosophia – cela nous donne la possibilité de nous diriger vers cette vision. Cela inclut l’expansion de nos capacités de produit et de nos équipes pour aider davantage d’entreprises à évaluer 100 % de leurs interactions client.

Je vous remercie pour cette excellente interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Solidroad.